무한한 준비의 늪을 마주하다

AI는 준비를 무한히 가능하게 만든다

AI 시대의 문제는 자료 부족이 아니다. 자료를 끝없이 더 모을 수 있다는 점이다. 예전에는 시작을 미루는 이유가 꽤 단순했다. 자료가 없다. 사례가 없다. 정리할 시간이 없다. 비교할 방법이 없다. 어디서부터 알아봐야 할지 모르겠다. 그래서 사람들은 시작하지 못했다.

그런데 이제는 다르다. AI에게 물으면 자료가 나온다. 보고서를 요약해준다. 경쟁사 사례를 찾아준다. 시장 흐름을 비교해준다. 초안을 만들고, 표를 만들고, 실행 계획까지 만들어준다. 이 정도면 사람들은 더 빨리 시작해야 할 것 같다. 하지만 현실에서는 이상한 일이 벌어진다. 시작이 쉬워지는 게 아니라, 준비를 더 할 수 있는 길이 열린다.

“자료 조금만 더.” “사례 하나만 더.” “비교표 하나만 더.” “리스크 분석만 한 번 더.” “프롬프트 조금만 더 다듬고.” “자동화 전에 데이터만 정리하고.”

이 말들은 게으른 말처럼 들리지 않는다. 오히려 책임감 있는 말처럼 들린다. 그래서 위험하다. 이번 주 FATE GAME의 미니몹 조금더통은 바로 이 지점에서 나타난다. 조금더통은 개인 심리의 문제가 아니다. AI 정보 과잉, 자기계발 시장, 자격증 인플레이션, 디지털 수집 문화가 함께 만든 준비경제의 작은 에그레고어다. 조금더통은 시작을 대놓고 막지 않는다. 대신 아주 합리적인 얼굴로 말한다.

AI 생산성 역설: 도구가 늘어났는데 일이 줄지 않는다

최근 AI 담론에서 반복되는 말이 있다. AI가 생산성을 높여줄 것이라는 기대와, 실제 현장에서 체감되는 피로 사이의 간극이다. Fortune은 2026년 3월 “AI productivity paradox”를 다루며, 여러 AI 도구를 동시에 감독하는 노동자들이 더 높은 정신적 피로, 정보 과부하, 결정 피로를 경험한다는 연구 흐름을 소개했다. 특히 AI 산출물을 계속 감시하고 수정해야 하는 사람들은 정신적 피로가 12% 더 높게 나타났다는 내용이 보도됐다. 이건 “AI가 쓸모없다”는 이야기가 아니다. AI가 일을 없애기 전에, 새로운 종류의 일을 만든다는 것이다. 검토하는 일. 수정하는 일. 비교하는 일. 프롬프트를 다시 쓰는 일. AI가 만든 결과물을 사람이 책임질 수 있는 형태로 바꾸는 일.

The Guardian도 2026년 4월 기사에서 비슷한 문제를 다뤘다. 기업은 AI가 생산성을 높인다고 말하지만, 현장 노동자들은 AI 산출물을 수정하고 오류를 바로잡느라 오히려 업무 부담이 늘어나는 상황을 겪고 있다는 것이다. 기사에서는 AI가 만든 피상적이고 오류가 섞인 산출물을 고치는 현상을 “workslop”이라는 표현으로 설명했다.

즉 AI의 문제는 단순히 “쓸 수 있느냐”가 아니다. AI가 만들어낸 결과물을 어떤 기준으로 검토할 것인가. 어떤 업무에 붙일 것인가. 어디까지 사람의 판단이 필요한가. 이 자동화가 정말 필요한가. 이 질문들이 새롭게 생긴다.

AI를 도입할 때 많은 조직은 이렇게 묻는다.
“이 업무를 어떻게 더 빠르게 할까?”

하지만 진짜 질문은 다르다.
“이 업무가 여전히 필요한가?”

이 질문을 하지 않으면, AI는 불필요한 일을 더 빠르게 반복하게 만든다. 속도는 빨라지는데, 방향은 검토되지 않는다. 그때 준비는 늘어난다. 실행은 늦어진다. 지난주에 이 이야기를 했다.

정보가 부족해서 멈추는 시대에서, 정보가 많아서 멈추는 시대로

AI 이전에도 정보 과부하는 있었다. Oracle이 2023년에 발표한 글로벌 연구에서는 70%의 사람들이 데이터가 압도적이라 결정을 포기한 적이 있다고 답했다. 또 85%는 의사결정 불능이 삶의 질에 부정적 영향을 준다고 답했다. 이 자료는 AI 이전에도 이미 데이터 과잉이 결정의 질을 흔들고 있었음을 보여준다.

여기에 AI가 붙으면 상황이 더 묘해진다. AI는 정보를 줄여주는 도구가 될 수 있다. 하지만 동시에 정보를 더 쉽게 생산하게 만든다. 요약도 더 쉽다. 비교도 더 쉽다. 시뮬레이션도 더 쉽다. 추가 질문도 더 쉽다. 반대 근거 찾기도 더 쉽다. 그러면 사람은 더 선명해질 수도 있다. 하지만 의사결정 기준이 없으면, 더 많은 정보는 더 많은 갈림길이 된다. 결정이 어려운 이유는 정보가 부족해서만이 아니다. 정보가 너무 많아도 결정은 멈춘다. 선택지가 늘고, 변수가 늘고, 비교표가 늘고, 리스크가 늘어난다. 그러면 사람은 더 책임감 있는 척 멈춘다.

“조금만 더 보고.” “조금만 더 확인하고.” “조금만 더 정리하고.”

이것이 준비축적이다.

인지 제본스 역설: 쉬워질수록 더 많이 한다

여기서 제본스 역설을 가져올 수 있다. 제본스 역설은 원래 에너지 효율과 소비를 설명하는 개념이다. 기술 발전으로 어떤 자원의 사용 효율이 올라가면, 그 자원의 총소비가 줄어들 것 같지만 때로는 오히려 늘어난다. 효율이 올라가 비용이 낮아지고, 사용량이 늘기 때문이다. 최근 AI 담론에서도 이 개념은 자주 호출된다. AI가 지능 작업의 비용을 낮추면, 지능 작업에 대한 수요가 오히려 폭발할 수 있다는 식이다.

이걸 리서치와 의사결정에 적용하면 이렇게 된다. AI가 리서치를 쉽게 만든다. 그러면 리서치 시간이 줄어들 것 같다. 그런데 실제로는 반대가 될 수 있다. 리서치 한 번의 비용이 낮아진다. 그러면 “한 번만 더 조사하자”의 비용도 낮아진다. 결국 사람은 더 많은 리서치를 한다. 자료 찾는 일이 쉬워질수록, 자료를 그만 찾는 능력이 더 중요해진다. 이게 이번 주 조금더통의 핵심이다.

그리고 그 말은 맞다. 정말 더 조사할 수 있다. 정말 더 좋은 사례를 찾을 수 있다. 정말 더 정교한 비교표를 만들 수 있다. 정말 더 많은 리스크를 볼 수 있다. 문제는 그 다음이다.

결정은 정보량의 문제가 아니다. 어느 지점에서 멈추고 선택할 수 있는가의 문제다.

AI는 업무의 먼지를 드러낸다

AI를 실제 조직이나 개인 업무에 붙이려고 하면, 곧바로 숨겨진 먼지가 올라온다. 데이터가 정리되어 있는가. 파일명이 통일되어 있는가. 권한은 정리되어 있는가. 업무 흐름은 명확한가. 반복되는 업무와 판단이 필요한 업무가 구분되어 있는가. 이 자동화가 정말 필요한가. Microsoft 관련 보도에서도 비슷한 패턴이 보인다. 최근 Microsoft 후원 연구를 다룬 기사에 따르면, AI 사용자의 65%는 경쟁력을 유지하기 위해 AI를 채택해야 한다는 압박을 느끼지만, 45%는 AI 혁신보다 현재 목표에 집중하는 것이 더 안전하다고 답했다. 또 효과적으로 AI를 구현할 지원과 준비를 갖춘 사람은 20% 수준으로 언급됐다.

여기서 중요한 건, AI 도입의 실패를 개인의 무능으로만 읽으면 안 된다는 점이다. AI는 버튼 하나로 업무를 해결하지 않는다. 오히려 업무가 얼마나 정리되어 있었는지 드러낸다. 엉킨 업무에 AI를 붙이면 엉킨 업무가 더 빠르게 돈다. 불필요한 보고에 AI를 붙이면 불필요한 보고가 더 예쁘게 만들어진다. 판단 기준이 없는 회의에 AI를 붙이면 회의록은 더 좋아지지만 결정은 그대로 밀릴 수 있다. 그래서 AI 도입의 첫 질문은 “어떤 툴을 쓸 것인가”가 아니다.

무엇을 남길 것인가. 무엇을 없앨 것인가. 무엇을 사람의 판단으로 둘 것인가. 무엇을 자동화할 것인가.

이 질문이 없으면 준비만 늘어난다.

디지털 호딩: 나중에 쓸 자료는 왜 쌓이기만 하는가

AI 시대의 준비축적은 자료 조사에서만 일어나지 않는다. 디지털 저장 습관에서도 같은 패턴이 보인다. 디지털 호딩 연구들은 사람들이 파일, 사진, 링크, 자료를 “나중에 쓸 것”이라는 기대 아래 저장하지만, 실제로는 정리와 사용이 따라오지 않는 경우가 많다고 설명한다. 2023년 중국 청년층 대상 연구는 디지털 호딩을 현대 청년층의 심리적·행동적 문제로 다루며, 사회적 비교와 디지털 저장 행동의 관계를 분석했다. 또 2025년 “Digital Hamsters” 연구는 중국 Z세대의 디지털 호딩 행동을 다뤘고, 사람들이 저장하지만 소비하지 않는 패턴을 분석했다. 제목 자체가 이미 지금의 문화적 감각을 보여준다. 디지털 햄스터. 모으지만 먹지 않는 존재.

이건 콘텐츠 소비에서도 익숙하다. 나중에 볼 글. 나중에 들을 강의. 나중에 쓸 레퍼런스. 나중에 정리할 링크. 나중에 적용할 프롬프트. 저장은 행동의 약속처럼 보인다. 하지만 너무 많이 쌓이면 행동의 대체물이 된다. 저장했다는 사실이 이미 시작한 것 같은 감각을 준다. AI 리서치도 마찬가지다. 자료를 더 모은다. 요약을 더 만든다. 표를 더 만든다. 폴더를 더 나눈다. 그리고 어느 순간, 사람은 착각한다.

하지만 씨앗은 아직 흙에 들어가지 않았다.

이번 주 트랜짓: 확장은 두 방향으로 간다

이번 주의 핵심 흐름은 “해산 → 카지미 결정화 → 신월 탄생”이다. 지난주 화성□목성의 충돌이 소멸 구간으로 들어가고, 5월 11일 월요일에는 태양⚹목성이 0.03°로 정확하게 맞물리며 주간의 첫 확장 신호를 연다. 이후 5월 14일 태양☌수성 카지미에서 사고가 결정화되고, 5월 17일 황소자리 신월이 새로운 주기를 연다. 특히 신월 직후 달은 수성과 만나고 천왕성과도 연결되며, “혁신적 사고가 내장된 새 시작”이라는 주간 테마를 만든다.

여기서 월요일은 중요하다. 태양과 목성의 조화는 확장의 방향을 보여준다. 하지만 확장은 언제나 좋은 쪽으로만 가지 않는다. 준비도 확장될 수 있다. 자료도 확장될 수 있다. 리스크 분석도 확장될 수 있다. 비교표도 확장될 수 있다. 그러니까 이번 주 월요일의 질문은 이것이다.

확장할 것은 준비인가. 실행인가.

AI를 한 번 더 돌릴 수도 있다. 자료를 하나 더 찾을 수도 있다. 비교표를 한 줄 더 추가할 수도 있다. 하지만 이번 주의 핵심은 더 많이 아는 것이 아니다. 심을 수 있는 하나를 고르는 것이다.

조금더통의 첫 공격: 자료 조금만 더

이번 주 페이트게임의 미니몹 조금더통은 게으른 몹이 아니다. 오히려 아주 부지런하다. 보고서를 모은다. 링크를 저장한다. AI에게 한 번 더 묻는다. 비교표를 만든다. 프롬프트를 다듬는다. 회의록을 정리한다. 자동화 계획서를 만든다. 그리고 말한다.

문제는 그 말이 너무 합리적으로 들린다는 것이다. 실제로 준비는 필요하다. 자료도 필요하다. 데이터 정리도 필요하다. 리스크 검토도 필요하다. 그러나 어느 순간 준비는 시작을 돕는 것이 아니라, 시작을 대신한다. 여기서 구분해야 한다.

좋은 준비는 시작 지점을 좁힌다. 나쁜 준비는 시작 조건을 늘린다.
좋은 리서치는 결정을 돕는다. 나쁜 리서치는 결정의 책임을 뒤로 미룬다.
좋은 AI 활용은 업무를 선명하게 만든다. 나쁜 AI 활용은 불필요한 일을 더 정교하게 만든다.

이번 주 조금더통은 “자료 조금만 더”라는 얼굴로 온다. 그러나 진짜 질문은 자료가 아니다.

AI 시대의 실행력은 더 많이 묻는 능력이 아니다. 충분한 지점에서 멈추는 능력이다.정보가 부족해서 못 하는 시대는 지나가고 있다. 이제는 정보가 계속 생겨서 못 하는 시대다. 그러니 오늘의 질문은 단순하다.

당신은 지금 자료가 부족한가. 아니면 자료를 더 모을 수 있다는 사실 때문에 시작을 미루고 있는가.

AI에게 한 번 더 묻기 전에, 이미 나온 답 중 하나를 현실에 심어야 한다. 씨앗은 창고에서 자라지 않는다.

같은 카테고리 글 더 보기